用 Quologue 唤醒 Kindle 高亮：利用生成式 AI 呈现个人数据以实现反思性体验

文献标题

Dust Off Kindle Highlights With Quologue: Surfacing Personal Data With Generative AI for Reflective Experiences

出版信息

• 主题领域: 人机交互（HCI）与生成式人工智能在个人数据反思中的应用。
• 关键词: 电子书、注释、生成式人工智能、反思体验、个人数据、慢技术、大型语言模型、元数据、数字阅读、自我表达。

背景与问题

• 问题/挑战: 电子书注释作为数字元数据存储，往往处于不可见和未充分利用的状态，限制了用户对个人阅读历史进行自我反思和互动的机会。目前的电子阅读平台对用户与这些数据的交互支持有限，缺乏对创造性或反思性实践的支持。
• 重要性: 重温个人注释可以促进自我反思、身份构建以及对过去经历的深入参与。解决电子书元数据的不可见性和不可访问性问题，可以释放其作为意义构建资源的潜力。
• 动机与相关研究: 先前研究强调了个人元数据的反思潜力，以及当前电子阅读系统在支持用户与注释进行有意义互动方面的局限性。HCI领域的研究探讨了慢技术和生成式人工智能在促进反思方面的应用，但针对电子书元数据的应用仍未得到充分探索。本文旨在弥补这一空白。

解决方案

• 提出的方法: Quologue 是一个基于大型语言模型（LLM）的网络应用程序，用户可以通过逐步互动的方式与电子书高亮内容进行交互，利用关键词和重新混合（remixing）来促进反思和自我表达。
• 创新点:
  1. 提出了一种利用生成式人工智能与电子书元数据进行交互的对话模型。
  2. 应用了慢技术原则，促进用户与个人数据进行长期的反思性互动。
  3. 展示了如何通过最小化、模糊化的提示（关键词）激发创造性和反思性体验。
  4. 探讨了生成式人工智能对用户数字阅读和注释实践的影响。
• 流程与关键技术:
  • 用户将电子书高亮内容上传至 Quologue。
  • 每周系统随机选择一个高亮内容，并生成三个关键词（两个来自高亮内容，一个语义相关但与文本无关）。
  • 用户根据关键词撰写回应，随后系统将回应与原始高亮内容合成，生成一个“重新混合”内容。
  • 用户可以回顾和比较重新混合内容，追踪互动历史，并通过“本周兴趣”功能选择性地影响未来关键词。

研究结果

• 具体发现:
  • 参与者报告了多样化的反思体验，包括回忆过去的记忆、与近期生活事件的联系以及发现关于自我的新见解。
  • 一些参与者变得更加有意图和策略性地进行电子书高亮操作。
  • 生成的重新混合内容通常与参与者产生共鸣，将过去和现在的语境有意义地结合起来，但部分参与者希望对内容的语调有更多控制。
• 相较基线的优势:
  • Quologue 将静态的电子书元数据转化为反思和创造性表达的动态媒介，而传统电子阅读平台通常将注释视为静态参考点。
  • 系统的逐步、基于关键词的交互模型鼓励用户随着时间深入参与个人数据。
• 实验/评估:
  • 一项为期八周的实地研究，涉及10名来自北美的参与者（年龄范围20至64岁）。
  • 参与者每周与 Quologue 进行互动，研究人员进行了三轮访谈以收集定性见解。
  • 数据分析揭示了关键词的创造性使用、反思体验以及高亮行为变化等主题。
• 局限性与未来工作:
  • 参与者群体有限（北美地区，自我认定为电子书重度读者）。
  • 部分参与者认为生成的关键词或重新混合内容与其期望不符。
  • 未来工作可以探索不同文化背景，扩展至其他形式的个人文本数据，并优化用户对重新混合内容语调和细节的控制。

总结

本文介绍了 Quologue，这是一种基于生成式人工智能的系统，将电子书高亮内容转化为反思和自我表达的媒介。通过利用慢技术原则和基于关键词的交互模型，Quologue 促进了用户与个人阅读数据的长期互动。一项为期八周的实地研究表明，参与者经历了有意义的反思，发现了元数据的创造性用途，并调整了其数字高亮实践。研究结果表明，重新构想电子阅读基础设施以支持与个人数据的终身对话式互动具有潜力。未来研究可以探索这一方法在不同背景和个人数据类型中的更广泛应用。